Capítulo 3_ the Next Big Thing is Big Data - Lealtad 3

1/10/2014 Captulo 3: The Next Big Thing Is Big Data - Lealtad 3.0: Cmo revolucionar al cliente y compromiso de los empleados con Big Data y Gamifica

https://www.safaribooksonline.com/library/view/loyalty-30-how/9780071813372/ch03.html 1/8

ANTERIORCaptulo 2: El que

SIGUIENTECaptulo 4: Gamifi

CAPTULO 3

The Next Big Thing Is Big DataI n el captulo 2 que tom una inmersin profunda en el mundo de la motivacin. Ahoracambiamos marchas lejos de la conducta humana y en los grandes datos, la segunda fuentede combustible en o ur Lealtad 3,0 equ acin ( Figura 3.1 ). Recuerde, la verdadera lealtades sobre la construccin de relaciones, que comienza con llegar a conocerse unos a otros.Big Data permite a las empresas conocer a sus clientes, empleados y socios en una formasin precedentes. Vamos a realizar una encuesta rpida del paisaje-datos grandes, as queusted tiene una comprensin funcional y un vocabulario de usar. Luego, en el captulo 4veremos cmo podemos aplicar "gamification" a la mezcla-para con Sume grandes datos yutilizarlos para motivar a los participantes a ser ms activo y leal.

Figura 3.1 LA LEALTAD 3.0 ECUACIN.

Qu es el Big Data y de dnde viene?Ahora, en el gran esquema de las cosas (Entiendes? No? Usted lo har!), Los datos no esuna cosa nueva. En el curso de la historia humana, la disponibilidad de datos electrnicacubre una pequea porcin de tiempo. Big data , sin embargo, ha llegado msrecientemente. Datos tradicionales, tales como los registros de clientes o de los empleadosacerca de usted, donde usted vive, lo que has comprado, y cmo usted ha realizado, es"noticia vieja", almacenados en bases de datos estructuradas y puestas a disposicin decualquier persona con el acceso adecuado, el derecho consultar herramientas, y unesquema (es decir, un diagrama arquitectnico o esquema) de la base de datos. Grandesdatos se refiere a la explosin en el tamao, la cantidad y forma de la informacindisponible en torno a un solo individuo, organizacin o evento. Proviene de una cada vezms amplia variedad de fuentes; se monta en una variedad de formas, algunas estructuraday no estructurada procesados y algunos y sin procesar; y est presente en cantidades hastaahora inimaginables.

Durante aos, las empresas tenan un estndar, registro de cliente estructurado connombre, direccin, nmeros de telfono, direccin de correo electrnico, y tal vez algunosdatos de transacciones histricas. Puede ser que hayan complementado esto con un poco deinformacin de marketing de origen externo, incluyendo los intereses derivados a travs desuscripciones de revistas o comportamientos esperados inferidos de donde usted vivi o suclase socioeconmica. Con los aos, este disco ha crecido hasta contener ms y ms datos-pero todava en un estndar, formato estructurado.

Avance rpido hasta ahora, y la ampliacin de potencia de clculo, dispositivos mviles yotras nuevas fuentes de entrada de datos ha aadido otra capa masiva de informacindisponible. Nuevos flujos enormes de datos no estructurados han puesto a disposicin deaprovechar porque casi todo lo que estamos haciendo est mediada por la tecnologa y porlo tanto, capaces de generar datos. Entre los muchosfuentes son "rastro de clics",direcciones de protocolo de Internet (IP), Sistema de Posicionamiento Global, (GPS),lugares de uso del telfono mvil, los patrones de compra en lnea, redes sociales, laidentificacin por radiofrecuencia (RFID) chips, sensores y dispositivos conectados,menciona en el blog mensajes, comentarios de los clientes, y otra informacin "pblica"crear o leer desde Internet. Estas y casi ilimitadas otras fuentes han ampliado en granmedida la cantidad de datos que se generan y disponible para que las empresas consumen.Como Instituto de Tecnologa de Massachusetts (MIT) los investigadores Andrew McAfee y

Erik Brynjolfsson la pusieron en una reciente Harvard Business Review artculo,

"Cada uno de nosotros es ahora un generador de datos a pie."

Los datos son: (1) poco probable que sea en un lugar, (2) poco probable que sea propiedad oest controlada por una organizacin, (3) no se gestiona a travs de herramientas de basesde datos tradicionales "estructurados", y (4) gigante-que se conoce como grandesvolmenes de datos . La firma de analistas Gartner define los grandes datos de la siguientemanera: "Big Data en general se define como de gran volumen, velocidad y variedad deinformacin que demandan los activos, las formas innovadoras y rentables de la

informacin pr OCES para mejorar la comprensin y la toma de decisiones. " O para

resumir, hay tres V's-volumen, velocidad y variedad-que sirven para delimitar los datosgrandes de datos tradicionales.

Cmo podemos utilizar Big Data?El resultado de los grandes datos en el relati-negocio-a-persona onship es bastante simple:Con los grandes datos, una empresa puede aprender mucho acerca de lo que hace, dnde lohace, cuando lo hace , y lo que usted desea . Otra forma de verlo es que sus componentesestn alzando sus manos y diciendo cosas acerca de ellos mismos, implcita yexplcitamente, todo el tiempo a travs de sus interacciones con usted. Coleccin de datosgrandes y herramientas de procesamiento le permiten escuchar y reaccionar.

1

2

Lealtad 3.0: Cmo revolucionar al cliente y compromiso de los empleados con Big Data y Gamification Recientes

Temas

Destacados

Ajustes

Atajos de teclado

Feedback

Desconectar

Ajustes

10 das para que termine su periodo de

prueba. Suscrbete .

Feedback

Desconectar

Disfrute de Safari? Suscrbete Hoy



Qu tan grande es Big Data?

La explosin de la potencia de clculo, la potencia y el bajo costo de losdispositivos de red y de almacenamiento masivo, y el aumento de los sistemasde datos que generan todas han contribuido con el tamao y el volumen degrandes datos actual. No hay un lmite finito real o definicin del tamao de losdatos grandes. Para que os hagis una idea de las personas a escala generalpensar en el contexto de datos grande, una estimacin del tamao de las bases

de datos en Walmart solo es de 2,5 petabytes de datos , el equivalente de

167 veces los libros de la Biblioteca del Congreso. Un petabyte es 1 milln degigabytes, lo que equivale aproximadamente a 20 millones de archivadores porun valor de texto. Gigante del comercio en lnea eBay procesa 50 petabytes porda de los datos de actividad como a sus usuarios buscar, pujar por, y navegar a

travs de su sitio.

Si se suma todo, y la cantidad total de nuevos datos estimados que crear cada

da es de 2,5 exabytes -1.000 veces el tamao de todo lo que Walmart

tiene en el almacenamiento. De hecho, la mayora de las empresas tienen cadauno ms los datos almacenados de la Biblioteca del Congreso. Tal vez lo msrevelador, el volumen de los datos de negocio en todo el mundo en todas las

empresas se estima se duplicar cada 1,2 aos con nuevos tipos de

generacin de datos de crecimiento del 40 por ciento al ao. De acuerdo

con Eric Schmidt, presidente de Google, entre los albores de la civilizacin y2003, se crearon 5 exabytes de informacin. Ahora estamos generando esa

cantidad cada dos das.

Las aplicaciones en el marketing son numerosas y directo-de la focalizacin anuncios yofertas de optimizar el diseo de mercancas, e-mail marketing, y la conversin deembudos. Grandes datos tambin alcanza a las funciones bsicas de un negociopara ayudara gestionar la investigacin y el desarrollo, la fabricacin y la cadena de suministro y otrasactividades. Y como veremos, los grandes datos tambin pueden ayudar considerablementecon los empleados y el compromiso socio.

Por supuesto, una pregunta obvia es "cmo?" Cmo los grandes datos nos ayudan a hacerestas cosas?

En este punto, una explicacin tcnica pesada de lo grande que funciona de datos o laforma en que se analiza no es importante-que es mejor dejar a los profesionales de TI,cientficos de datos y devoradores de nmeros certificados. En su lugar, vamos a dar unresumen de alto nivel de algunos de los datos-gran anlisis y los tipos de resultados quepueden producir y presente una breve resea de algunos de los ms prominentesherramientas de procesamiento de datos-grande. Una vez ms, el punto aqu es construirun vocabulario y saber qu preguntas hacer, no para convertirse en un experto ustedmismo.

Estas son algunas de las formas importantes de recogida y anlisis de datos-grande:

El anlisis de conglomerados. anlisis de conglomerados es una tcnica declasificacin que divide un conjunto diverso de objetos en grupos ms pequeos para quelos objetos en el mismo grupo son ms similares entre s que a los objetos en otros grupos.La clave a destacar es que estas agrupaciones o similitudes no se conocen de antemano. Porejemplo, pedir a un grupo aleatorio de personas sus sentimientos sobre la ciencia ficcin enuna escala de -5 (odio) a 5 (me encanta). Pregunte a esas mismas personas sus sentimientossobre el chocolate con la misma escala de -5 a +5. Representar a cabo todas sus respuestasen un grfico, con las personas que aman la ciencia ficcin y el chocolate en la partesuperior derecha y aquellos que los odian tanto en la parte inferior izquierda. Son lasrespuestas distribuidas uniformemente a lo largo del grfico, o es lo que ves grupos queocurran? Cada uno de esos grupos es un grupo de individuos que tienen sentimientossimilares acerca de la ciencia ficcin y el chocolate, y que la informacin ahora se puedeutilizar para comunicarse conellos de una manera que son ms propensos a responder a. Enun escenario al por menor, por ejemplo, si haba un grupo especial de personas en la partesuperior derecha que le gusta la ciencia ficcin y el chocolate, cada vez que alguiendesprotegido con Star Wars DVD, es posible que les ofrece un poco de chocolate como unaventa adicional.

Una prueba B / (tambin llamada prueba de divisin). Se trata de una tcnicaen la que un grupo de control (A) se compara con un grupo de prueba (B) para determinarqu tratamientos (cambios) mejorar un objetivo dado, por ejemplo, una comercializacinrespuesta o un compromiso a que se refiere la velocidad tpicamente como un tipo deconversin . Suponga que usted est tratando de determinar si una oferta, el momento deuna oferta, o incluso la forma en que se presentan en su sitio web es efectiva. Con laspruebas A / B, puede probar varios enfoques para ver que uno de ellos responde al tipo deconversin ms alta, es decir, el resultado que desea. La conversin puede ser cualquiercondicin de xito y podra incluir registrarse, hacer una compra, o incluso algo tan sencillocomo pulsar un botn para pasar a la siguiente etapa de un flujo. pruebas mltiples es unavariacin de las pruebas A / B que permite a una empresa para ejecutar varias pruebas A /B al mismo tiempo. El tamao de la muestra (nmero de pruebas) requerida depende delnmero de variables que se estn probando y el nivel deseado de confianza en losresultados.

En los sitios web, las empresas suelen A / B prueba la copia, la colocacin, el color, y eltamao de sus botones de "llamada a la accin", que podra tener el texto como "Unirseahora", "Comprar ahora", o "Ms informacin" en ellos , para ver cul da lugar a los clicsmayora (conversiones). Mientras que la gente puede tener opiniones y conjeturas encuanto a la respuesta correcta, las pruebas A / B puede determinar objetivamente lasolucin ptima.

Crowdsourcing es la externalizacin del trabajo a un grupo distribuido de personasque no se conocen de antemano, tambin conocido como "la multitud." Hay numerosasformas de crowdsourcing, tpicamentelo que refleja la naturaleza del trabajo de ser-opiniones tercerizados, pieza de trabajo, potencia de clculo, las ideas, e incluso definanciamiento. Algunos ejemplos bien conocidos incluyen

Threadless. Iniciado en 2000, Threadless es una comunidad en lnea de millones deartistas que disean las camisetas. Aqu est la parte interesante: Cada semana losmiembros de la comunidad presentan cientos, a veces incluso miles de diseos decamisetas, y luego que proporcionan retroalimentacin y voto en las presentaciones de losdems. Al final de la semana, el personal Threadless revisa las presentaciones de altaclasificacin y, en base a la regeneracin de la cuenta y el usuario, selecciona alrededor de10 diseos para imprimir en las camisetas y otras prendas de vestir, que luego se venden atravs de la pgina web y en su tienda en Chicago. Los diseadores cuyas ofertas se

3

4

5

6

7

8



imprimen recibir dinero en efectivo y tarjetas de regalo de Threadless en concepto deindemnizacin. As que aqu tienes una empresa cuyo contenido (los diseos) est siendocrowdsourced, oferta de productos est siendo crowdsourced (a travs de la votacin y laretroalimentacin), la previsin de ventas es ser crowdsourced (de nuevo a travs de lavotacin y la retroalimentacin), e incluso el marketing se est crowdsourced (diseadoresganadores correr la voz para que la gente a comprar sus creaciones).

CrowdFlower. CrowdFlower permite a las empresas crowdsourcing tareas de trabajoa millones de trabajadores de todo el mundo. Los ejemplos de los tipos de microtareas quese pueden crowdsourced la moderacin de la imagen (Hay algo ofensivo en esta imagen?),Anlisis de los sentimientos (Es este tweet diciendo algo positivo o negativo?),Categorizacin (Qu gnero no este video pertenece?), y la creacin de contenidos(Escribir un breve artculo acerca de la lealtad). Para empresas con cantidades cada vezmayores de datos que necesitan ser procesados por los seres humanos (talescomoFacebook, que necesita millones de fotos moderados), servicios como CrowdFlowerles permiten alcanzar escala. Uno de los beneficios de tener una gran fuerza de trabajocomo CrowdFlower de es que usted puede tener varias personas realizan la misma tarea yluego usar el consenso "voto" para determinar la respuesta correcta (es decir, si dos de lostres trabajadores piensan que esta imagen es ofensiva, slo entonces se etiqueta comoofensivo). Adems, con el tiempo, los datos acerca de la frecuencia con trabajadorescompletar las tareas a tiempo y qu tan bien (con el voto de consenso) se pueden utilizarpara crear una "reputacin" para cada trabajador que se puede utilizar para ofrecerle ms ymejores oportunidades.

Mercado de valores. precios de las acciones son un indicador de la creencia colectivadel mercado en el futuro potencial de un negocio. Son la suma de cientos de miles deopiniones que se expresaron por los comerciantes con sus comercios, a velocidades demicrosegundos. Qu debera precio de las acciones de IBM estar ahora mismo? Ningnindividuo sabe, pero "la gente" lo hace. Los ganadores en el mercado de valores a menudoson los que mejor pueden proceso de la gran informacin que establece el contexto para elmercado (por ejemplo, la economa, la poltica, las noticias, el sentimiento del cliente, etc) yque puede actuar en ella el ms rpido.

El modelo predictivo se refiere a un conjunto de tcnicas de modelado matemticocreado para predecir un resultado mejor. Va ms all de la agrupacin en lugar dedetenerse en un grupo con comportamientos y atributos similares, predice lo que grupopuede hacer en determinadas circunstancias basadas en hechos y datos actuales ehistricos. Se utilizan modelos predictivos, por ejemplo, para predecir el tiempo en un lugardeterminado de una amplia variedad de factores causales directos e indirectos. En elespacio de los consumidores, un modelo predictivo puede estimar la probabilidad de queun cliente empleen o unirse a un programa,quedarse con un programa, o "agitacin" dedistancia de ella. Al igual que el pronstico del tiempo, el anlisis se basa en una ampliavariedad de factores causales directos e indirectos y correlaciones con otroscomportamientos. Estos modelos tambin pueden predecir la probabilidad de xito de unaventa cruzada o la oportunidad de aumentar las ventas. Los empleadores tambin utilizanmodelos predictivos para ayudar a predecir la rotacin y la rotacin de personal o inclusopara predecir quines son sus superiores e inferiores intrpretes sern.

El anlisis de sentimientos analiza sobre todo "suave", la comunicacin noestructurada arroyos para tratar de recoger al cliente, empleado o socio de confianza sobreun tema, un producto, o cualquier otro elemento que se analiza. El anlisis de sentimientosaplica un procesamiento de lenguaje natural (el uso de computadoras para comprender ellenguaje humano) y otras tcnicas de anlisis de grandes cantidades de material de texto deorigen, incluyendo blogs y otros medios de comunicacin social, para identificar y extraerinformacin subjetiva. El anlisis comienza con la ubicacin de palabras clave sencilla (si lapalabra grande est en el blog, entonces es probable que decir algo bueno) y expandirsedesde all (Qu pasa si el usuario estaba publicando sobre el "enorme metedura de pata",la compaa hizo. Uh oh. Tiempo para obtener ms sofisticado.). Los llamadosanalizadores buzz intento de identificar los patrones de sentimiento por escrito en unproducto o una campaa. Examinan cunto se est expresando y qu tipo de sentimiento opolaridad -positivo, negativas o neutrales comentarios-se est expresando. Analizadoresms sofisticados tratan de averiguar el grado y la fuerza del sentimiento. "Estas nuevastablas de snowboard Burton son realmente impresionante" enviara una seal desentimiento fuerte, sobre todo si se apareci en todo el Internet. Los vendedores deconsumo utilizan anlisis de los sentimientos para determinar cmo los diferentessegmentos de clientes estn reaccionando a sus productos y acciones. Del mismo modo, unfuerte sentimiento positivo en el interiorla comunicacin es un indicador de laparticipacin con un empleador.

Procesamiento de flujo se refiere al anlisis continuo y en tiempo real de flujos dedatos a partir de una variedad de fuentes. Procesamiento de flujo trabaja en conjunto contodas las tcnicas mencionadas para adaptar y modificar una experiencia digital en tiemporeal para proporcionar interacciones a medida en funcin de la conducta, la ubicacin, elcontexto, o cualquier otra variable. Deteccin del fraude en tiempo real y la negociacin devalores de alta frecuencia basada en algoritmos son ejemplos de aplicaciones deprocesamiento de flujo. Y como veremos en el captulo 4 , por lo que es "gamification".

Deteccin de valores atpicos y bsqueda de similitud. A menudo se deseaencontrar los valores extremos, las desviaciones de la norma, como en el caso de ladeteccin de fraudes, los ensayos clnicos, las actividades con derecho a voto, y defectos defabricacin. Estos valores atpicos pueden ayudar a identificar problemas, ayudan acomprender a su proceso de diseo de producto, y exponer el mal comportamiento.Alimentando grandes datos de varias fuentes en los sistemas de aprendizaje automtico quepueden procesar ellos, las empresas pueden encontrar correlaciones que el anlisis humanomanual de nunca identificar y superficiales los valores atpicos. Por el contrario, los grandesdatos tambin proporciona los datos para localizar a los otros objetos que son ms similaresa un objeto de instancia de inters-para, "Encuentra otros zapatos que se parecen a ellos,""Encuentra otros pacientes con sntomas similares," y "Encuentra otras canciones Suenacomo este ".

El anlisis de cohortes. Una cohorte es un grupo de personas que comparten unacaracterstica comn en un cierto periodo de tiempo. Al dividir a los usuarios en lascohortes, las empresas pueden comparar el valor relativo de cada cohorte. Un ejemplo deuna cohorte que es relevante para un minorista en lnea podra ser la fuente de la el cliente"todos los clientes que venan de una bsqueda en Google," "todos los clientes que vinieronde Twitter," "todolos clientes que vinieron a travs de la remisin ", y as sucesivamente.Con cada cliente asignado a una cohorte y los datos sobre el gasto global de cada cliente, elminorista tiene ahora la capacidad para ver qu fuentes proporcionan los clientes msvaliosos. Con este conocimiento, el minorista puede optimizar su gasto en marketing paraconseguir la mayora de la explosin para su buck.

Otra cohorte que las empresas suelen utilizar es la fecha de adquisicin de clientes ("todoslos que se uni en diciembre de 2012", "todos los que se uni en enero de 2013," y assucesivamente). Combinado con el gasto total de cada cliente, las empresas puedenentonces ver si la calidad de sus clientes est aumentando o disminuyendo con el tiempo.Adems, si la empresa est realizando cambios en su producto, servicio o experiencia,cohortes basadas en el tiempo permiten a una empresa para hacer una comparacin demanzanas con manzanas para ver si los cambios estn teniendo ningn impacto material en



su xito.

Hay alguien ah fuera?

Hay millones de ordenadores en los hogares y empresas de todo el mundosentado inactivo en cualquier punto en el tiempo, sin hacer nada mientrasesperan a que la gente venga utilizarlos. Y si pudiera aprovechar toda esapotencia de computacin ocioso? Qu pasa si usted podra tomar un trabajode computacin grande, uno que habitualmente se necesita unasupercomputadora para funcionar, y lo rompiera en millones de pedazospequeos que se poda distribuir a mquinas individuales, haberlos procesar laspiezas, y luego devolver el resultados? Usted podra procesar enormescantidades de datos ms rpida, eficiente y barata que nunca.

La gente de Bsqueda de Inteligencia Extraterrestre (SETI) cuenta de esto. Ensu bsqueda de vida extraterrestre, tienen telescopios de radio escucha deseales de radio procedentes del espacio.La potencia de clculo necesaria paraprocesar todos los datos de radio-seal que SETI est recogiendo es enorme.En lugar de tratar de adquirir supercomputadoras gigantescas (y el dinero paracomprarlos!) Para procesar los datos, SETI cre el proyecto SETI @ home, quepide voluntarios para ejecutar un protector de pantalla en sus ordenadores.Durante el tiempo de "inactividad" de la computadora, el protector de pantalla sebaja una pequea porcin de los datos, los procesa, y luego sube los resultadosa SETI. Por crowdsourcing potencia de clculo e innovando nuevas maneraspara que la gente contribuya a las grandes causas, el proyecto SETI @ homees capaz de procesar un gran set que nunca sera capaz de hacer mella en elde sus propios datos.

Quieres contribuir con su tiempo de clculo para curar enfermedades, estudiarel calentamiento global, o el descubrimiento de los plsares? O quizs usteddesea establecer su propio proyecto "grid computing" para resolver un problemade negocios-grandes datos? Si su respuesta a cualquiera de estas preguntas es"S", echa un vistazo a la Infraestructura Abierta de Berkeley para el proyecto deNetwork Computing (BOINC) de la Universidad de California en Berkeley-que essoftware de cdigo abierto para hacer exactamente eso.

Hacer nmeros

A medida que comience a explorar el mundo de los grandes datos, que se encontrar atravs de algunas de las herramientas que las personas utilizan para almacenarlo, crunch, yvisualizarlo. Estas herramientas van desde herramientas relativamente sencillas deinteligencia de negocios que proporcionan consultas, informes y cuadros de mandodigitales a ms avanzadas herramientas de minera de datos ( data mining es un trminogenrico para una variedad de herramientas de anlisis estadstico-que la bsqueda depatrones en grandes cantidades de datos ). Muchas de estas herramientas slo funcionancon in-house, estructuradobases de datos o almacenes de datos, en contraste con losgrandes conjuntos de datos no estructurados que se estn generando en la actualidad, y porlo tanto no son adecuados para muchas de las empresas a escala web de hoy en da. Parahacer frente a esto, la industria de la tecnologa ha creado una nueva serie de sistemas deprocesamiento a gran escala para datos altamente distribuidos de fuentes de datosmltiples, descentralizadas, y con frecuencia no estructurados. Algunos de los que sonbuenos para conocer son:

Not Only SQL (NoSQL). Este es el trmino general utilizado para una nueva clase delas bases de datos a escala web modernos que tienen que hacer frente a grandes cantidadesde datos. Lenguaje de Consulta Estructurado (SQL) es un lenguaje de programacinestndar para la obtencin de informacin de y poner la informacin en bases de datos.Bases de datos SQL tpicas exhibir ciertas caractersticas que los desarrolladores hanrequerido en los ltimos aos: Ellos usan el modelo relacional que incluye ACID(atomicidad, coherencia, aislamiento, durabilidad-un conjunto de propiedades quegarantizan que las transacciones de bases de datos se procesan de forma fiable), y tienen unfijo esquema. Estas propiedades son las que permiten a su compaa de tarjeta de crdito yel corredor de bolsa para manejar sus sistemas de misin crtica y garantizar que no sepierdan datos y que estn siempre actualizados y consistentes, 24/7, en todo el mundo.

Alto volumen de los sitios de Internet de los consumidores de hoy en da, tales comoFacebook y Twitter no siempre necesitan estas propiedades de misin crtica. Lo quenecesitamos es un sistema que se adapta fcilmente para manejar su enorme volumen dedatos grandes y se ejecuta en hardware de los productos bsicos. De ah naci NoSQL. En laprctica, la mayora de las empresas se estn ejecutando una combinacin de bases dedatos SQL y NoSQL en funcin de las necesidades de cada aplicacin particular. Algunossistemas NoSQL que es posible que escuche hablar son Cassandra (desarrollado por Face-book para la bsqueda de la bandeja de entrada), Voldemort (desarrollado por Linked In),Dynamo (desarrollado por Amazon), MongoDB, yHBase. Muchos de ellos son de cdigoabierto y tienen las comunidades de desarrolladores activos que se mejorarloscontinuamente.

Hadoop. Nombrado despus de un elefante de juguete en la casa de Doug Cutting, unode sus creadores, Hadoop es un framework de software libre de cdigo abierto para elprocesamiento de grandes conjuntos de datos a travs de un sistema de hardwaredistribuido. Su desarrollo fue inspirado por Google, uno de los pioneros en el trato con losdatos a escala web, y las herramientas de la compaa construy para procesar y almacenarlos datos, incluyendo MapReduce y Google File System (GFS). Hadoop es muy usada hoypor Yahoo !, Facebook, y muchos otros para una variedad de tareas. Si usted est interesadoen el uso de Hadoop para su propio anlisis de los datos, puede configurarlo usted mismoen sus propias mquinas dedicadas o desplegarla "en la nube" mediante el uso de una"infraestructura como un proveedor de servicios" como EC2 de Amazon. Percibiendo unaoportunidad de mercado, tambin hay varias compaas nuevas que se han formado paraayudar a las empresas poner en marcha, el anlisis de sus datos de forma rpida,incluyendo Birst, Cloudera, Platfora, Hadapt, MapR, Hortonworks, y otros.

Ms all de estos devoradores de datos (y hay muchos otros), hay un surtido devisualizacin herramientas que tambin pueden ayudar a la facilidad de uso de datosgrande. Las herramientas de visualizacin permiten a los usuarios dar sentido a los grandesdatos, identificar patrones, y obtener una idea de que en ltima instancia puede conducir ala accin y un resultado de negocio. Herramientas tales como la computacin estadstica ylenguaje grfico R se utilizan a menudo por los cientficos e ingenieros de datos paraanalizar y visualizar sus datos, mientras que el software de los usuarios de negocio devisualizacin de apalancamiento proporcionado por empresas como Tableau Software queproporcionan interfaces y pantallas diseadas para usuarios de negocios (vase la Figura3.2 ).



Figura 3.2 Visualizacin de Datos DE SOFTWARE TABLEAU.

Fuente: Tableau Software, Inc. 2013.

Big Data en el espacio de los consumidores

Cuando usted est tratando de vender ms, cualquier cosa que le ayuda a obtener elmensaje correcto a la persona adecuada en el momento oportuno vale su peso en oro. Estasson algunas de las formas en que las empresas estn utilizando grandes volmenes de datospara impulsar sus ingresos de primera lnea:

Microsegmentacin. Durante aos, las empresas dividen sus mercados en segmentosbasados en rasgos fcilmente identificables, como el gnero, el cdigo postal y la edad.Como se hicieron fcilmente disponibles, tales como ingresos ms datos, psicografa, y losdatos de compra, las empresas fueron capaces de perfeccionar esos segmentos para atendermejor las necesidades de sus clientes. La verdad del asunto es, sin embargo, que no hay dospersonas iguales, todos somos un "segmento de uno." Big datos tiene los datos existentesque pueden ser recogidos y inferido sobre el consumidor y luego lo complementa con elcomportamiento de navegacin en lnea, patrones de compra,actividad social-networking,acceso mvil, y mucho ms los datos basados en el comportamiento real del usuario paracrear microsegmentos. Te acuerdas cuando Amazon.com fue la misma tienda para todo elmundo? Parece difcil creer que alguna vez fue as. Hoy en da es una tienda diferente paracada persona que visita-a causa de los grandes datos y microsegmentacin en tiempo real.

La publicidad dirigida y la venta cruzada. Microsegmentacin tambin permite alas empresas a elaborar el "perfecto" cross-sell / venta adicional ofrecer a cerrar o ampliaruna venta en tiempo real. En base a todo lo que saben sobre el comprador individual, otroscomo ellos que podran exhibir patrones de comportamiento similares, y el contexto actual(es el usuario en una tienda fsica? El usuario llega a la pgina web de un e-mailmarketing?), Empresas son capaces de generar de forma dinmica y automtica las ofertasconvincentes que aumentarn carro de la compra de conversin y el tamao medio de lospedidos.

En las tiendas de anlisis de comportamiento. anlisis de la navegacin entiempo real puede proporcionar una visin fascinante de comportamiento de los clientes.Seguimiento del movimiento a travs de las tiendas fsicas con carro de la compratranspondedores o video vigilancia o monitoreo pasivamente la ubicacin de los telfonosmviles ha ayudado a los minoristas a mejorar sus ofertas y refinar tienda de diseo yposicionamiento del producto. Naturalmente, sin embargo, en la era de Internet, no es slomovimientos fsicos que estn siendo monitorizados; vendedores y minoristasconstantemente sintonizar los movimientos de los clientes a travs de sus sitios web paradeterminar el inters y la intencin. Al contrario que en el mundo real, los minoristas enlnea pueden detectar fcilmente la navegacin, compartir, donde los compradores llegaronde, observacin de video, y los carros abandonados, todo lo cual les permite limitar susmensajes de marketing y canales, sus ofertas, su gama de productos, y su conversin tasas.

Optimizacin de precios en tiempo real. Impulsado por el historial de ventas, elclima, la estacionalidad, el inventario disponible, hora del da, los datos sobre el cliente, y laeconoma en general (entre otros) como insumos, los minoristas pueden cambiar susprecios de forma dinmica para reflejar la demanda. As como las aerolneas de preciosdinmica de hoy para optimizar su utilizacin asiento, cualquier empresa puede aprovecharlos datos de grandes para optimizar su inventario y los precios. Amazon y otros grandesminoristas de Internet ya lo estn haciendo.

Monitoreo social-los medios de comunicacin. Esto es parte de una tendenciamayor hacia lo que se conoce como relaciones con los clientes de gestin social (SCRM),donde las empresas controlar sus relaciones con los clientes, compruebe el "pulso delmercado", y recopilar datos de sus clientes que utilizan los canales de medios sociales. Estoscanales incluyen Facebook y Twitter, as como blogs convencionales y tableros de mensajes.La empresa trata de aprender de estos canales y aadir a la conversacin en la que sepuede, reconociendo que el mensaje colectivo es realmente propiedad de la comunidad. Elnfasis aqu est en escuchar, no sobre el uso del canal como un canal de comercializacinde salida. Herramientas y cuadros de mando-los medios de comunicacin social, comoHootSuite, SocialMention y de salesforce.com Radian6 monitorean estos canales paracapturar mensajes, detectar el sentimiento, y clasificar los mensajes y significados para suuso por los distintos departamentos de una organizacin.

Los motores de recomendacin. Las empresas pueden utilizar los datos parapredecir grandes cosas que le pueden interesar. Cuando usted est buscando en unproducto en Amazon y el sitio muestra que "Los clientes que compraron este artculotambin compraron," la empresa est utilizando su gigantesca coleccin decomportamiento de compra de todo el mundo para recomendar productos que es muyprobable que desee comprar tambin. Cuando ests en Netflix y laEl sitio recomienda unapelcula para usted, la compaa est basando su recomendacin sobre las calificacionesque has dado otras pelculas, lo que realmente ha alquilado, y el historial de visualizacinde todos los dems en el sitio. Y cuando va a crear una estacin personalizada en Pandora,siembras con algunos de sus artistas favoritos, cuyos "genoma" Pandora sabe, y entoncespuede encontrar otro tipo de msica de un tipo similar. Entonces, indicandoconstantemente si te gusta o no les gusta las canciones, la compaa es capaz de refinar susrecomendaciones y continuamente predecir otras canciones y artistas que te pueden gustary reproducirlos para usted.

Big Data en el Espacio EmpleadoComo hemos visto en muchos de los ejemplos mencionados anteriormente, los grandesdatos claramente ha tenido un gran impacto en muchos aspectos de la experiencia deempresa a consumidor, incluyendo ventas, marketing y gestin de relaciones con clientes(CRM). En caso de que, sorprendentemente, no ha tenido un impacto tan grande todavaest en la relacin entre empresas y empleados. Recuerde mis palabras, esto va a ser laprxima gran oportunidad para grandes datos.

Piensa en ello-Facebook sabe ms sobre sus empleados que usted, Amazon sabe ms acerca



de sus empleados de lo que haces, y Netflix sabe ms acerca de sus empleados que usted.Sin embargo, estas personas pasan la mayor parte de su vigilia vive con usted, haciendo eltrabajo para usted, en los sistemas y estructuras que realizan un seguimiento de cada piezade datos acerca de su desempeo, sus habilidades y su progreso hacia las metas. El valorque como empleador se derivan de estos individuos es rdenes de magnitud ms de lo quecualquiera de las sociedades cotizadas antes de hacer, y sin embargo, estas empresas sabenms que t, y usan sus grandes datos sobre sus empleados para crear personalizado,relevante experiencias queimpulsar el compromiso y la lealtad. Hay una gran oportunidadpara que las empresas comienzan a capturar y utilizar los grandes de datos que se generanpor parte de sus empleados mientras trabajan con el fin de comprenderlos mejor y paramotivar y comprometer a ellos a travs de los datos.

Echemos un vistazo a algunas de las formas en que los grandes datos pueden ser utilizadospara hacer el trabajo mejor para los empleados y gerentes.

Empleado Alquiler: El fin de la PrediccionesLa variabilidad en el proceso de contratacin entre las empresas e incluso dentro de unaempresa es tremendo. Diferentes gerentes buscar cosas diferentes, tienen diferentesbotones calientes y fras, Peso (tales como acadmicos y experiencia) de manera diferente, ytienen diferentes niveles de formacin en cmo entrevistar e identificar los rasgosfundamentales, tanto positivas como negativas. En gran medida, la contratacin siguebasndose en corazonadas, prejuicios, y "sensacin de la tripa." Sin embargo, esprobablemente uno de los trabajos ms importantes que un administrador realiza-grandescontrataciones pueden hacer una empresa y los pobres pueden romperlo, as que por quaren 't que lo que ms rigor a este proceso? Ya tenemos un gran grupo de empleados,sabemos cul es su rendimiento, y sabemos (o podemos aprender) ciertos detalles acerca deellos. Podemos correlacionar ciertos rasgos de los empleados a un buen rendimiento sobrela base de nuestros trabajadores de la empresa y luego la prueba de esas caractersticas enel proceso de contratacin? Figura 3.3 resume algunos de los problemas que enfrentan lasempresas y sugiere algunas posibles soluciones.

Figura 3.3 DATOS GRANDE EN LA CONTRATACIN DEL EMPLEADO.

Reproducido con autorizacin de The Wall Street Journal . Copyright 2012 Dow Jones &Company, Inc. Todos los derechos reservados a nivel mundial. Nmero de licencia:3112720114387.

Algunas compaas estn empezando a hacer precisamente eso. Xerox Corp. informa, cortdesgaste en sus centros de llamadas en un 20 por ciento al ignorar su sabidura ysuposiciones convencionales que la experiencia fue el factor ms importante a la hora de

contratar. Trabajar con Evolv, Inc., una empresa de Silicon Valley hasta que "utiliza el

anlisis predictivo de datos grande y mquina aprendiendo a optimizar el rendimiento de lamano de obra por hora globales", Xerox fue capaz de construir un modelo de trabajadorideal del centro de llamadas que incluidos esos atributoscomo "ser creativo, pero nodemasiado inquisitivo" y luego usar ese modelo para la construccin de pruebas para su usodurante el proceso de contratacin. Estas pruebas puntan candidatos contra el modelo ydan Xerox confianza por datos en sus decisiones de contratacin. Los centros de llamadasson claramente empleos algortmicos, y queda por ver si este "contratacin algortmica"trabajar para trabajos heursticos tambin.

La prctica est creciendo rpidamente. Empresas como Kenexa, ahora parte de IBM,probaron 30 millones de solicitantes en 2011 para miles de clientes. Y de acuerdo conGartner, el gasto en software "gestin del talento" aument 15 por ciento a $ 3.8 milmillones en 2011, con las principales empresas de TI como IBM, Oracle, SAP y aadir lagestin del talento a sus ofertas.

Workforce AnalyticsLos empleados estn utilizando una multitud de sistemas en el interior del lugar de trabajo:la automatizacin de fuerza de ventas, la colaboracin social, y la gestin del aprendizaje,por nombrar slo algunos. Cada uno de ellos puede aportar informacin sobre una facetaespecfica de las habilidades de los empleados y el rendimiento a una amplia "visin de 360 grados" de ese empleado-A menudo pienso en ello como un empleado "de tarjetas debisbol." Con sus tarjetas de bisbol, los empleados pueden ver donde son fuertes y dndese necesitan mejoras. Con una coleccin de tarjetas de bisbol-empleados y sus estadsticasen vivo-los gerentes pueden alinear mejor a los equipos y hacer que la experiencia detrabajo mejor para sus empleados. Algunos de los anlisis interesantes y conocimientos quepodemos generar con esto grandes datos sobre la actividad de los empleados incluyen:

El progreso hacia las metas. El nmero uno pregunta empleados tienen encualquier empresa es, "Cmo estoy haciendo en este momento?" Como veremos en lasiguiente seccin, histricamente esta pregunta se contest en un proceso de revisin unavez al ao en el que no uno realmente se preocupa por. Con grandes datos, podemos dar alos empleados las estadsticas en tiempo real que les muestran cmo lo estn haciendo enrelacin con todas sus metas mensurables. Tambin podemos utilizar estos datos enconjunto para identificar las estrellas y de bajo rendimiento en el equipo y comparar lasunidades de negocio cara a cara.

"Live" evaluaciones de desempeo. El Departamento de Trabajo informa que el 64por ciento de los estadounidenses que trabajan abandonan sus puestos de trabajo porqueno se sienten apreciados. Ms especficamente, una reciente encuesta realizada por laempresa de gestin de talento Taleo (ahora parte de Oracle) encontraron que cuatro decada cinco trabajadores no estn satisfechos con las revisiones de desempeo ; an msdura an fue otro estudio, publicado en el Psychological Bulletin , lo que sugiere que el 38por ciento de las revisiones de desempeotermin en una disminucin del rendimiento delos empleados. Por qu crees que es esto? Me postulo que es porque la retroalimentacin

9

10

11

12

13



que se da es pobre y porque ha perdido todos los matices y planos individuales y bajas delao anterior y as necesariamente slo puede ser amplia y no muy til. Adems, ha dadoslo una vez al ao, para que los empleados no tienen manera de evolucionar y crecer en elnterin. Por ltimo, estn sujetos a las mismas corazonadas, prejuicios y sentimientosviscerales que la contratacin es por lo que puede sentirse injusto.

Con grandes datos, usted tiene en tiempo real, mtricas generadas por el sistema sobrecmo sus empleados estn realizando, y todo el mundo sabe exactamente cul es suposicin en cualquier punto en el tiempo. Si usted suple las mtricas generadas por elsistema con una cultura de continua retroalimentacin de los compaeros y elreconocimiento (que tambin est capturando), entonces usted realmente tiene un tiemporeal, en vivo, revisin de rendimiento instantneo que consiste en los datos del sistema yhumanos complementarios a su alcance para todos los empleados.

Empleado habilidades. Todo el mundo quiere saber "quin puede hacer qu" dentrode una empresa para que la empresa siempre se puede poner a los mejores individuos enun trabajo y encontrar expertos internos cuando sea necesario, pero que el conocimiento esa menudo inaccesible. Big data pueden tener una mezcla de lo que los empleados dicensobre s mismos ("Soy un gran programador JavaScript"), lo que otros dicen acerca de ellos("Ella es un gran programador JavaScript"), y qu medidas objetiva dicen ("Ella ha pasadola prueba avanzada JavaScript "). Discutiremos esto ms en el captulo 7 , cuando nosfijamos en Loyalty 3.0 ejemplos en el espacio empleado y discutimos los sistemas dereputacin.

Redes de influencia de los empleados. De qu manera la informacin viajandentro de su empresa? Quines son los conectores, los nodos y las personas influyentes?Quines son las personas quesuperar los diversos grupos dentro de su empresa? Utilice losgrandes datos para realizar un seguimiento de cmo sus empleados estn conectados ycmo se propaga la informacin a travs de su empresa.

Benchmarking. Cmo se cubren sus empleados haciendo respecto a la otra? Unarama frente a otro? Su empresa frente a otros en el mismo campo? Una vez que comience lamedicin, puede comenzar la evaluacin comparativa. Y mientras sus directivos yempleados podran no importa si usted les dice su puntuacin en alguna mtrica es un 10,que definitivamente van a cuidar cuando se les dice que su mayor competidor tiene un 15.

El anlisis predictivo. Podemos utilizar estos datos para predecir cosas tales comoque los empleados estn en riesgo de salir, que van a ser superiores e inferiores artistas, quees probable que se lesionen y solicitar la compensacin de trabajadores, e incluso cosastales como si productos sern entregados a tiempo.

Personalizacin. De la misma manera que Facebook, Amazon, Netflix y personalizarsus experiencias de usuario para los consumidores, las aplicaciones utilizadas en el trabajopuede comenzar a personalizar su experiencia de usuario basada en la historia de unempleado pasado, las habilidades, el progreso hacia las metas, y el contexto actual.

Big Data, Big Problems?Todo el mundo est hablando de grandes datos. Est claro, sin embargo, que no todo elmundo sabe qu hacer al respecto. Hay sistemas de legado de tecnologa para hacer frente alas cuestiones de reglamentacin, potenciales relativos a la privacidad, a la falta detrabajadores calificados que saben cmo manejar grandes volmenes de datos, y una faltageneral de claridad en torno a la cuestin de qu hacer con l. Y a medida que el tamao delos datos que recogemos se hace cada vez ms grande, va a ser cada vez ms difcil deencontrar la seal en el ruido. Mientras que es fcil de recoger datos, el reto es-y siempre hasido-como calcular las preguntas correctaspreguntar, asegurando que usted est recogiendolos datos adecuados para responder a las preguntas, y luego asegurarse de que lasrespuestas sean oportunas, accionable y pueden informar e impulsar el cambio hacia unresultado de negocio deseado. Incluso antes de los grandes datos, este fue el caso. Los tresV de de datos grandes slo amplifican el problema.

Dicho esto, el potencial de grandes volmenes de datos a travs de retail, comunicaciones,salud, entretenimiento, servicios financieros, gestin de rendimiento de los empleados, ymuchos otros campos es inmensa, por lo que los grandes datos no pueden ser ignorados. Ysi usted es un grande o una pequea empresa, las herramientas para la captura y anlisis dedatos grandes se estn convirtiendo en ms barato y ms accesible por el da. Ahora es elmomento de empezar a entenderlo, a experimentar con ella, y aprovechando que paraconducir una ventaja competitiva para su negocio.

Qu sigue?

Ya has visto cmo las empresas estn captando, analizando, el agrupamiento, elcrowdsourcing, la prediccin, evaluacin comparativa, el modelado, la segmentacin, y elalquitrn que consigue a partir de datos grandes. Lo que no hemos visto todava es cmoutilizar los datos de grandes para motivar -y eso es exactamente a donde vamos siguiente,con gamification.

Lealtad Building 3.0

Gran cifra refleja el enorme y rpido aumento de cantidad de datos disponibles paracualquier individuo, organizacin o evento. Como dice el refrn, "Cada uno de nosotros esahora un generador de datos a pie."

El volumen de los datos de negocio disponibles se estima se duplicar cada 1,2 aos.

Entre otras cosas, los grandes datos compatible con el anlisis cluster, A / B pruebas,modelado predictivo, crowdsourcing, anlisis de los sentimientos, y el procesamiento deflujo en tiempo real.

En el espacio de los consumidores, los grandes datos soporta microsegmentacin, en latienda (y en el lugar) anlisis de la conducta, y la optimizacin de precios en tiempo real.Completando un ciclo, estas actividades no slo son compatibles, sino tambin por el apoyoa los grandes datos mediante la creacin de nuevos datos en su propio derecho.

Grandes datos sern utilizados cada vez ms en la esfera de los empleados paraimpulsar la contratacin, mostrar avances y la situacin, evaluar las habilidades, predecir elrendimiento, y mucho ms.

Iniciativas de Big Data pueden ser difciles, pero los beneficios valen la pena. Ahora es elmomento para empezar.

ANTERIORCaptulo 2: El que

SIGUIENTECaptulo 4: Gamifi



Personas que terminaron este tambin disfrutaba:

Recomendado / Queue / Recientes / Temas / Ajustes / Blog(http://blog.safaribooksonline.com) /Apoyo(http://msupport.safaribooksonline.com/?prod=flow) / Feedback / Desconectar 2014 Safari(http://www.safaribooksonline.com/) . Trminos de uso / Poltica de Privacidad

Tomando el LongView: Edificio xitoque duradesde: Marcando elcamino Starbucks: 5Principios para conectar

con sus clientes, sus productos y sugente por Joseph MichelliPublicado: Septiembre 201333 MINUTOS

Debido a que usted lea Lealtad 3.0:Cmo revolucionar al cliente ycompromiso de los empleados conBig Data y Gamification

SECCIN LIBRO

CAPTULO 8CAPITAL SOCIALa partir de: OportunidadTarget venta: IntrpretesTop Ventas revelan lo querealmente funciona por

Nicholas AC LeeFecha de lanzamiento: Diciembre 201326 MINUTOS


SECCIN LIBRO

Captulo 12Accesibilidad yquea partir de: No haga quepiensa, Revisited: Un

Enfoque de Sentido Comn deUsabilidad Web por Steve KrugLanzamiento: Diciembre 201314 MINUTOS


SECCIN LIBRO

El Propsito denegociosa partir de: La Mentalidadde Lean: Haga laspreguntas correctas por

Tom Poppendieck ...Fecha de publicacin: Septiembre 201346 MINUTOS


SECCIN LIBRO

Apndice.Referencia Appde: El iPad paraFotgrafos: Dominar laherramienta ms nueva

en su bolso de la cmara, segundaedicin por Jeff CarlsonLanzamiento: Mayo 201320 MINUTOS


SECCIN LIBRO

Captulo 6 Servicioal Cliente: Undeporte decontactode: El DJ de Ventas yMarketing Manual de

Stacy ZemonLanzamiento: Julio 201318 MINUTOS


SECCIN LIBRO

Captulo 2: El que Captulo 4: Gamifi

Documents

Capítulo 3_ the Next Big Thing is Big Data - Lealtad 3